大鼠GluN1-2B与Fab 003-102复合物结构数据集

该数据集提供了通过电子显微镜测定的、分辨率为3.81埃的大鼠谷氨酸受体GluN1-2B与Fab抗体片段003-102复合物的三维结构数据,属于蛋白质结构模态,主要用于研究抗NMDAR自身免疫性脑炎中抗体与受体相互作用的分子机制,为揭示该自身免疫性疾病的病理基础及开发相关治疗策略提供关键的结构生物学信息。

Protein Data Bank Japan
2025-05-28 更新
浏览 18
NMDAR结构生物学自身免疫性脑炎机制
Rat GluN1-2B with Fab 003-102

基本信息

创建/更新时间
2025-05-28

资源简介

大鼠GluN1-2B与Fab 003-102复合物结构数据集

【一句话概览】

该数据条目名为“Rat GluN1-2B with Fab 003-102”,原始描述标注为通道、异源四聚体、受体、抗体及膜蛋白,标签为膜蛋白。以上为源站提供的全部信息,未涉及具体结构、功能或实验数据(来源 RCSB PDB)。

【数据集背景】

本数据集源站标题为《Rat GluN1-2B with Fab 003-102》。

【数据内容】

源站原始描述:Channel, heterotetramer, receptor, antibody, MEMBRANE PROTEIN

中文译文(机器翻译,仅供快速理解,请以原文为准):通道、异四聚体、受体、抗体、膜蛋白

【数据结构与技术规格】

数据集 DOI:10.1038/s41594-024-01386-4。

【主题与分类】

主题标签:MEMBRANE PROTEIN。

【获取与许可】

源站页面:https://www.rcsb.org/structure/8VUY

规范引用:Structural and functional mechanisms of anti-NMDAR autoimmune encephalitis. (2024) Nat.Struct.Mol.Biol

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

下载信息

注册下载

需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。

暂未开放

公开下载

无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。

免登录

有偿下载

公开数据集受托下载与技术交付服务。

提供高速下载与技术交付服务(收技术服务费,非数据销售)

暂未开放

当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。

使用方式

数据集获取

源站:https://pdbj.org/mine/summary/8vuy

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 部分平台提供 SDK,例如:
    • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
    • ModelScope: pip install modelscope 后 modelscope download
    • 天池: 登录后页面提供直链下载
      以源站「数据下载/使用文档」页面为准。

数据说明

该数据集是来自日本蛋白质数据库(PDB Japan)的蛋白质结构数据,包含大鼠谷氨酸受体离子通道亚型GluN1-2B与Fab抗体片段003-102形成的复合物的高分辨率三维结构。数据通过电子显微镜技术测定,分辨率达到3.81埃,由Michalski和Furukawa等研究人员于2024年提交。该结构数据用于研究抗NMDAR自身免疫性脑炎的分子机制,具体揭示了抗体与受体结合的结构基础,为理解自身免疫性脑炎的病理机制及潜在治疗策略提供了重要结构生物学依据。

数据加载示例(图像类)

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。

数据缺失?

依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。

⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。

获取专属数据定制方案